Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
INGEGNERIA INFORMATICA
Insegnamento
BIG DATA COMPUTING
INP7079233, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INGEGNERIA INFORMATICA
IN0521, ordinamento 2009/10, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese BIG DATA COMPUTING
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Responsabile ANDREA ALBERTO PIETRACAPRINA INF/01

Mutuazioni
Codice Insegnamento Responsabile Corso
INP7079233 BIG DATA COMPUTING ANDREA ALBERTO PIETRACAPRINA IN2371
SCP7079297 BIG DATA COMPUTING ANDREA ALBERTO PIETRACAPRINA SC2377
INP7079233 BIG DATA COMPUTING ANDREA ALBERTO PIETRACAPRINA IN2371

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative INF/01 2.0
CARATTERIZZANTE Ingegneria informatica ING-INF/05 4.0

Modalità di erogazione
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 48 102.0 Nessun turno

Calendario
Inizio attività didattiche 26/02/2018
Fine attività didattiche 01/06/2018

Syllabus
Prerequisiti: Competenze relative al progetto e all'analisi di algoritmi e strutture dati, e conoscenza delle nozioni fondamentali di calcolo delle probabilità e statistica.
Conoscenze e abilita' da acquisire: Il corso fornisce allo studente conoscenze relative ai principali strumenti e metodi per l'analisi di insiemi di dati potenzialmente grandi.
Modalita' di esame: Prova scritta e progetto (di gruppo) obbligatori. I progetti sono presentati e discussi a fine corso o, facoltativamente, in una prova orale successiva al superamento dello scritto.
Criteri di valutazione: La valutazione finale è ottenuta combinando la valutazione del progetto e quella dello scritto.
Contenuti: Il corso affronterà i seguenti argomenti:

Introduzione al fenomeno dei Big Data
Programming frameworks: MapReduce/Hadoop, Spark
Association Analysis
Clustering
Graph Analytics (metriche di centralità, scale-free/Power-law graphs, fenomeno dello small world, uncertain graphs)
Similarity and diversity search
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali e attività propedeutiche allo svolgimento del progetto
Eventuali indicazioni sui materiali di studio: Il diario delle lezioni, il materiale didattico e le modalità d'esame dettagliate saranno resi disponibili sul sito web accessibile da MOODLE.
Testi di riferimento:
  • J. Leskovec, A. Rajaraman and J. Ullman, Mining Massive Datasets. --: Cambridge University Press, 2014. Available in pdf Cerca nel catalogo